論文の概要: A Hybrid Machine Learning Model for Cerebral Palsy Detection

• arxiv url: http://arxiv.org/abs/2603.06803v1
• Date: Fri, 06 Mar 2026 19:11:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:13.116628
• Title: A Hybrid Machine Learning Model for Cerebral Palsy Detection
• Title（参考訳）: 脳性麻痺検出のためのハイブリッド機械学習モデル
• Authors: Karan Kumar Singh, Nikita Gajbhiye, Gouri Sankar Mishra,
• Abstract要約: 脳性麻痺(CP)に対する効果的な治療法の開発は、患児の早期発見から始めることができる。 本稿では,CP障害を特定するために構築された機械学習(ML)モデルについて述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The development of effective treatments for Cerebral Palsy (CP) can begin with the early identification of affected children while they are still in the early stages of the disorder. Pathological issues in the brain can be better diagnosed with the use of one of many medical imaging techniques. Magnetic Resonance Imaging (MRI) has revolutionized medical imaging with its unparalleled image resolution. A unique Machine Learning (ML) model that was built to identify CP disorder is presented in this paper. The model is intended to assist in the early diagnosis of CP in newborns. In this study, the brain MRI images dataset was first collected, and then the preprocessing techniques were applied to this dataset to make it ready for use in the proposed model. Following this, the proposed model was constructed by combining three CNN models, specifically VGG 19, Efficient-Net, and the ResNet50 model, to extract features from the image. Following this, a Bi-LSTM was utilized as a classifier to determine whether or not CP was present, and finally, the proposed model was employed for training and testing. The results show that the proposed model achieved an accuracy of 98.83%, which is higher than VGG-19 (96.79%), Efficient-Net (97.29%), and VGG-16 (97.50%).. When the suggested model is compared to other models that have been pre-trained in the past, the accuracy scores seem to be much higher.
• Abstract（参考訳）: 脳性麻痺(CP)の効果的な治療法の開発は、まだ疾患の初期段階にある間、患児の早期発見から始めることができる。 脳の病理的な問題は、多くの医療画像技術の使用によってよりよく診断できる。 磁気共鳴イメージング(MRI)は、非平行画像分解能で医療画像に革命をもたらした。 本稿では,CP障害を特定するために構築された機械学習(ML)モデルについて述べる。 このモデルは新生児におけるCPの早期診断を支援することを目的としている。 本研究では,脳MRI画像データセットをまず収集し,このデータセットに前処理技術を適用し,提案モデルで使用するための準備を行った。 その後、画像から特徴を抽出するために、3つのCNNモデル、特にVGG 19 能率-ネットモデルとResNet50モデルを組み合わせて提案モデルを構築した。 その後、CPが存在するか否かを判断するためにBi-LSTMを分類器として使用し、最終的に、提案したモデルを用いて訓練と試験を行った。 結果は、提案されたモデルは、VGG-19 (96.79%)、Efficient-Net (97.29%)、VGG-16 (97.50%)よりも高い98.83%の精度を達成したことを示している。 と。 提案したモデルが過去に事前訓練された他のモデルと比較された場合、精度のスコアははるかに高いように思われる。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• An interpretable classifier for high-resolution breast cancer screening images utilizing weakly supervised localization [45.00998416720726]
  医用画像の特徴に対処する枠組みを提案する。 このモデルはまず、画像全体の低容量だがメモリ効率のよいネットワークを使用して、最も情報性の高い領域を識別する。 次に、選択したリージョンから詳細を収集するために、別の高容量ネットワークを適用します。 最後に、グローバルおよびローカル情報を集約して最終的な予測を行うフュージョンモジュールを使用する。
  論文  参考訳（メタデータ） (2020-02-13T15:28:42Z)
• Predictive modeling of brain tumor: A Deep learning approach [0.0]
  本稿では3つの事前学習モデルを用いて脳MRIスキャンを2つのクラスに分類する畳み込みニューラルネットワーク(CNN)に基づく伝達学習手法を提案する。 実験の結果, Resnet-50モデルが最も精度が高く, 偽陰率は95%, ゼロであった。
  論文  参考訳（メタデータ） (2019-11-06T09:27:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。